许可证：apache-2.0
数据集：

• anson-huang/mirage-news
  语言：
• en
  基础模型：
• google/siglip2-base-patch16-224
  任务标签：图像分类
  库名称：transformers
  标签：
• 伪造
• 真实
• SigLIP2
• Mirage

幻影照片分类器

幻影照片分类器是基于google/siglip2-base-patch16-224微调的图像分类视觉语言编码模型，专为二分类图像真实性检测任务设计。该模型采用SiglipForImageClassification架构，用于判断图像是真实拍摄还是AI生成（伪造）。

分类报告：  
              精确率  召回率  F1分数  支持数  

        真实     0.9781    0.9132    0.9446      5000  
        伪造     0.9186    0.9796    0.9481      5000  

    准确率                         0.9464     10000  
    宏平均     0.9484    0.9464    0.9463     10000  
加权平均     0.9484    0.9464    0.9463     10000  

模型将图像分为两类：

• 类别0: 真实
• 类别1: 伪造

使用Transformers运行 🤗

!pip install -q transformers torch pillow gradio  

import gradio as gr  
from transformers import AutoImageProcessor  
from transformers import SiglipForImageClassification  
from PIL import Image  
import torch  

# 加载模型和处理器  
model_name = "prithivMLmods/Mirage-Photo-Classifier"  
model = SiglipForImageClassification.from_pretrained(model_name)  
processor = AutoImageProcessor.from_pretrained(model_name)  

# 标签映射  
labels = {  
    "0": "真实",  
    "1": "伪造"  
}  

def classify_image_authenticity(image):  
    """预测图像是真实还是AI生成（伪造）。"""  
    image = Image.fromarray(image).convert("RGB")  
    inputs = processor(images=image, return_tensors="pt")  

    with torch.no_grad():  
        outputs = model(**inputs)  
        logits = outputs.logits  
        probs = torch.nn.functional.softmax(logits, dim=1).squeeze().tolist()  

    predictions = {labels[str(i)]: round(probs[i], 3) for i in range(len(probs))}  
      
    return predictions  

# Gradio交互界面  
iface = gr.Interface(  
    fn=classify_image_authenticity,  
    inputs=gr.Image(type="numpy"),  
    outputs=gr.Label(label="预测分数"),  
    title="幻影照片分类器",  
    description="上传图像以判断其是真实还是AI生成（伪造）。"  
)  

# 启动应用  
if __name__ == "__main__":  
    iface.launch()  

用途说明

幻影照片分类器模型用于检测图像是真实拍摄还是合成生成。适用场景包括：

• AI图像检测： 识别社交媒体、新闻或数据集中的AI生成图像。
• 数字取证： 协助专业人员调查图像真实性。
• 平台内容审核： 帮助内容平台标记生成内容。
• 数据集验证： 清理和验证其他AI模型的训练数据。